横向气流中非牛顿液体射流直接数值模拟

采用直接数值模拟研究了动量比为6的非牛顿液体射流在横向气流中的破碎特征,重点分析了表面波发展、弯曲特性和展向扩散等射流结构及其非牛顿特征。在非牛顿液体射流的近喷嘴位置,其表面迹线随时间摆动,并有逆横向气流方向运动的趋势。射流的展向扩散仅在喷入初期较为明显,此后基本维持在接近35°的扩散半角。射流的一次破碎,尤其是液丝与液滴、甚而卫星液滴的生成过程都被精细地捕捉和描述。在近喷嘴的射流柱附近,横向气流流动具有一定的圆柱扰流相似性,在其他区域则表现为极其复杂的紊流特征。射流的非牛顿特性主要体现在黏性系数,不同位置的液体黏性系数相差超过20%。相较牛顿液体射流,剪切稀化的非牛顿射流具有更易破碎的特征。     

基于深度神经网络的客机总体设计参数敏感性分析

飞机总体主要设计参数敏感性分析揭示了总体主要设计参数对飞机特性指标的影响,有助于总体设计方案的决策。针对宽体客机总体主要设计参数敏感性问题,根据其总体主要设计参数和特性指标的特点,以及多学科间的耦合关系,建立了深度神经网络模型。该深度神经网络模型以客机总体主要设计参数为输入,对特性指标进行预测。在深度神经网络模型中,设置了多个输入层、多个输出层以及多个分块的隐藏层,从而模拟客机总体主要设计参数对特性指标的影响以及不同特性指标之间的相互作用。测试结果表明,与传统代理模型相比,深度神经网络模型对客机特性指标的预测精度更高,多参数适应性更好。利用该深度神经网络模型对客机总体主要设计参数进行敏感性分析。分析结果表明,机翼1/4弦线后掠角在30°~31.5°时,有利于减少最大起飞重量和起飞平衡场长;发动机海平面最大静推力和机翼面积对客机直接使用成本、最大起飞重量等特性指标的影响最为显著。     

喷水预冷却发动机与导弹一体化设计

以一种高声速导弹作为应用对象,计算了喷水预冷却发动机的安装特性,建立了导弹/喷水预冷却发动机一体化设计的约束分析和任务分析模型,给出了高超声速导弹的升阻特性的确定方法,结合任务剖面、导弹的重量组成以及发动机模型,取爬升率为100m/s,80m/s和50m/s对导弹的爬升和加速任务段进行约束分析,选择巡航马赫数为4.0,5.0和6.0三种情况进行了导弹任务分析。计算结果表明,建立的导弹/发动机一体化约束分析与任务分析模型合理,当巡航马赫数小于5.0时,虽然装备喷水预冷却发动机与亚燃冲压发动机的导弹相比爬升率和加速度较低,但是导弹射程却有较大幅度的提高,因而在高声速导弹的应用是可行的。     

基于CNN机翼气动系数预测

随着机器学习的快速发展和其突出的非线性映射能力,越来越多的学者将机器学习方法应用到流体力学领域。为克服传统数学拟合不能很好的解决系统非线性问题,以及现有文献中所提及的一些基于神经网络的气动参数预测方法,需要进行参数化处理而带来的不便,同时为实现多变量多输出气动参数快速预测的目的,基于卷积神经网络考虑机翼变迎角和浮沉建立了一种多变量多输出的机翼气动参数预测模型,实现了机翼气动参数的快速预测。结果表明：所建模型具有较高且稳定的预测精度,并且计算效率较计算流体力学(CFD)提高了40倍。     

纹影技术中光源的选择与设计方法

在纹影技术应用过程中,纹影光源的性能一定程度上决定了拍摄结果的优劣。不同种类的光源,得到的拍摄效果不同,对于某种特定拍摄需求,光源的选择和设计也不同。如何选择和设计合适的纹影光源,对于最终拍摄结果的好坏至关重要。结合纹影技术在工程实际中的应用,分析了不同被测对象对光源的需求,总结了几种常见光源的应用情况及其特点,提供了一种光源参数设计的方法。在实验室典型超声速自由射流流场测量中,对卤钨灯、氙灯和激光3种纹影光源的应用进行了对比分析。所提出的纹影光源的选择与设计方法,具有一定的工程实验参考价值。     

来流马赫数对射流矢量喷管内流场影响的动态模拟

以二维拉瓦尔喷管为对象,利用非定常雷诺平均N—S方程和RNGκ-ε两方程湍流模型对激波控制的射流推力矢量喷管非定常流场进行研究,分析了来流马赫数连续变化对喷管流场的影响,得出喷管推力性能的变化规律。结果表明：在亚声速来流中,轴向力随飞行马赫数增加而小幅上升,侧向力变化不大;在跨声速来流中,轴向推力和侧向推力都急剧下降;...     

面向天基监视的红外弱小飞行目标识别算法

针对当前红外弱小飞行目标特征不明显、背景干扰大等问题,提出了一种基于深度学习的红外弱小目标识别算法。检测框架以YOLOv4模型为基础,通过使用K-means++算法对训练集的候选框进行聚类处理,在初始大小的选取上放弃随机生成初始点的方式,在样本集里选取某一个样本作为初始中心使锚框（anchor）大小的选取更加合理。在模型结构中引入卷积注意力模块,使算法模型计算资源分配更合理,对红外弱小飞行目标的特征信息更加敏感。改进空间金字塔池化模块,使用平均池化可以更多保留图像的原始信息,降低天基成像中的噪点与坏点的影响。仿真实验表明采用K-means++计算Anchor大小时准确率可以达到80.13%,在加入了SPP和CBAM模块后之后在测试集上算法识别准确率达到了83.3%,经过对模型的修改有效提升了对红外弱小飞行目标识别的准确率。     

一种深度强化学习制导控制一体化算法

研究了一种基于深度强化学习理论的制导控制一体化算法。不同于传统的制导控制一体化算法和制导控制回路分开设计的方法,基于深度强化学习理论的制导控制一体化算法利用深度学习强化算法生成一个智能体,智能体根据导弹的观测量生成舵偏角控制指令准确拦截目标。首先将制导控制问题转化为一个马尔可夫决策过程,然后提出了一个权衡制导精度、能量损耗和飞行时间的奖励函数,将制导控制问题转化到强化学习问题的框架中。最后采用深度确定性策略梯度算法,求解提出的强化学习问题,训练得到制导控制智能体,智能体根据导弹观测量生成舵偏角指令。通过进行大量的数值模拟,验证了提出的制导控制一体化算法的有效性和鲁棒性。     

液体圆柱射流破碎过程的实验

采用高速摄像仪对圆柱射流的表面剥离现象和射流破碎长度进行了实验,在低速射流下,分析了Rayleigh模式下主液滴和卫星液滴形成过程及运动规律.随着射流速度的增大,射流表面开始出现了表面剥离小液滴.并发现存在一个临界雷诺数,当超过临界雷诺数时,射流表面出现表面剥离现象.通过对射流中表面剥离现象的实验和分析,给出了两种射流破碎长度随雷诺数变化规律和破碎长度拟合关系式.      

一种小波神经网络与遗传算法结合的优化方法

提出一种基于小波神经网络(简称WNN)与Pareto遗传算法相结合的优化方法,并用于内流的数值流场优化计算.小波神经网络由输入层、隐含层和输出层组成.在隐含层用Morlet小波母函数取代了误差反向传播(BP)神经网络中常用的Sigmoid激励函数.Pareto遗传算法具有很好的全局寻优能力和良好的优化效率,在通常情况下它总可以得到均匀分布的Pareto最优解集.典型算例表明:该算法快速、高效,能高精度的完成非线性函数的逼近与映射,其泛化能力很强.